CN115852377A - 一种阴极保护一体化装置的分布式控制方法及系统 - Google Patents
一种阴极保护一体化装置的分布式控制方法及系统 Download PDFInfo
- Publication number
- CN115852377A CN115852377A CN202310168933.0A CN202310168933A CN115852377A CN 115852377 A CN115852377 A CN 115852377A CN 202310168933 A CN202310168933 A CN 202310168933A CN 115852377 A CN115852377 A CN 115852377A
- Authority
- CN
- China
- Prior art keywords
- decoupling
- data
- potential
- detection
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Prevention Of Electric Corrosion (AREA)
Abstract
本发明公开了一种阴极保护一体化装置的分布式控制方法及系统,通过获得阳极的电位影响因子序列,将电位数据输入预先训练好的解耦网络中,解耦网络预测出每个阳极的平衡态解耦电位,基于阳极需要保护的面积和所述平衡态解耦电位,获得阳极工作电位,根据阳极工作电位控制一体化装置输出。通过参照对象转换的方式,去除独立外加电流阴极保护之间同步调控耦合干扰的因素,基于解耦后的平衡态电位来计算和控制一体化装置的输出,可以实现分布式阳极阴极保护工艺方案的外加电流工艺,实现对牺牲阳极工艺的替代,为节能减排、碳中和可持续发展作出贡献。
Description
技术领域
本发明涉及阴极保护技术领域,具体而言,涉及一种阴极保护一体化装置的分布式控制方法及系统。
背景技术
阴极保护装置是常见的工业管线保护装置。阴极保护系统有一定的保护范围,阴极保护系统的保护范围的大小与阳极位置、阳极深度、阳极周边区域的土壤的电阻率、阳极接地阻抗和阴极测量点附近的接地阻抗变化等因素有关。当土壤环境、阳极表面钝化膜、阴极表面防腐层等因素发生变化时,阴极保护系统的覆盖范围和保护功率需求会有变化。例如,阴极保护系统平时工作正常覆盖30公里的保护范围,但是,冬天到了结冰了,电解质阻抗、电导率发生了变化,那么这个时候,阴极保护系统的保护范围会缩小,如果仍然以单参比点作为调控依据,就会出现现场保护的严重不均,造成近阳极过保护,远阳极欠保护,这正是多参比点控制算法解决的主要问题。又如,正常情况下阴极保护系统包括3个阳极,当其中一个阳极损坏不能正常工作时,阴极保护系统的保护范围也会缩小。当阴极保护系统的保护范围变小时,将不能满足正常的工业管线保护需求。而需要以工程的方式去现场大修或增加牺牲阳极,其成本高,也不能及时实现。
阴极保护系统较优的做法是以外加电流阴极保护作为主体,以牺牲阳极阴极保护进行补充,单一恒电位仪只能控制外加电流阴极保护系统的整体电位分布趋势,对系统内某一个小区域的电位无法施加细化影响,牺牲阳极是消耗品、是被动的电化学原电池,工作状态难以评估和调整,且消耗高纯度金属用于腐蚀防护的方式并不环保,阴极保护一体化装置由新能源微恒电位仪和多组辅助阳极组成,由辅助阳极替代牺牲阳极的设计分布,通过调节阴极保护一体化装置的功率输出,来改变附近区域的电场分布,但是多个外加电流阴极保护系统之间,输出调控中会产生电路耦合区域,如果双方的调控参比点都设在电路耦合区域,就会产生调控算法干扰,导致调控出现问题,而工程现场密集设置外加电流阴极保护工艺,由于共地电路,是无法从电路上屏蔽耦合的。
发明内容
本发明的目的在于提供了一种阴极保护一体化装置的分布式控制方法及系统,用以解决现有技术中存在的上述问题。
第一方面,本发明实施例提供了一种阴极保护一体化装置的分布式控制方法,其应用于分布式阴极保护系统,分布式阴极保护系统包括多个阳极,每个阳极设置的位置不同,所述方法包括:
获得分布式阴极保护系统中的阳极的历史电位序列;多个阳极有多个历史电位序列;历史电位序列包括在多个检测时间点检测得到的多个电位数据;
将电位数据输入预先训练好的解耦网络中,解耦网络预测出每个阳极的解耦电位;
基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位;
其中,所述解耦网络包括组合层、第一解耦层、第二解耦层和第三解耦层;第一解耦层基于电位数据提取出土壤电阻率干扰信息,并基于土壤电阻率干扰信息对电位数据进行解耦操作,得到电阻解耦数据;第二解耦层基于电阻解耦数据提取出保护面积干扰信息,基于保护面积干扰信息对电阻解耦数据进行解耦操作,得到面积解耦数据;第三解耦层基于面积解耦数据提取出横竖电导比值干扰信息,基于横竖电导比值干扰信息对电导解耦数据进行解耦操作,得到解耦电位。
可选的,所述解耦网络的训练方法包括:
获得训练数据,所述训练数据包括多条训练序列,每条训练序列包括一个阳极的多个检测电位,每个检测电位的检测时间不同;
获得检测网络,检测网络包括多层检测网数据,每层检测网数据包括多个检测电位,每层检测网的检测电位的检测时间相同且阳极不同,且检测电位基于阳极的位置信息进行排序形成检测网;
将多层检测网数据输入解耦网络的第一解耦层,第一解耦层提取出多层检测网数据的第一电位检测特征,基于第一电位检测特征获得土壤电阻率干扰信息;基于土壤电阻率干扰信息生成第一解耦掩模;通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据;每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据;第一解耦掩模的维度与检测网络的维度相同;
第二解耦层基于多个电阻解耦数据提取出第二电位检测特征,基于第二电位检测特征获得保护面积干扰信息;基于保护面积干扰信息生成第二解耦掩模;通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据;多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同;
第三解耦层基于多个面积解耦数据提取第三电位检测特征,基于第三电位检测特征获得横竖电导比值干扰信息;基于横竖电导比值干扰信息生成第三解耦掩模,通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位;多个面积解耦数据对应获得多个解耦电位;第三解耦掩模的维度与面积解耦数据的维度相同;每个解耦电位对应一个阳极;
针对每个阳极,以所述阳极的解耦电位替代所述阳极的训练序列中多个检测电位的均值,求取得到阳极的标准差;获得所述训练序列中多个检测电位的均值,获得所述训练序列对应的阳极的解耦电位与所述均值之间的差值;获得所述差值与所述解耦电位的比值;以所述比值与所述标准差的差值作为训练稳定性数据;每个阳极对应获得一个训练稳定性数据,多个阳极对应获得多个训练稳定性数据;
若多个训练稳定性数据的标准差收敛,确定所述解耦网络训练结束。
可选的,第一解耦层包括第一卷积神经网络和电阻解耦层;第一卷积神经网络用于提取出多层检测网数据的第一电位检测特征,第一电位检测特征用于表征训练数据的电阻干扰特性;电阻解耦层用于,基于第一电位检测特征获得土壤电阻率干扰信息;基于土壤电阻率干扰信息生成第一解耦掩模;通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据;每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据;第一解耦掩模的维度与检测网络的维度相同;其中,第一卷积神经网络包括一个CNN和一个LSTM,将CNN中的卷积层的偏置系数设置成阳极电阻与土壤电阻的比值;
其中,土壤电阻率干扰信息是一个维度与第一电位检测特征的维度相同的向量;基于第一电位检测特征获得土壤电阻率干扰信息,包括:获得第一电位检测特征中每相邻两个元素的差值,对于土壤电阻率干扰信息的第i个元素,在第一电位检测特征中:获得第i-1个元素与第i个元素之间的第一差值,获得第i+1个元素与第i个元素之间的第二差值,以第一差值的绝对值与第二差值的绝对值之和作为土壤电阻率干扰信息的第i个元素的取值;i为小于或者等于N的正整数,N为第一电位检测特征的维度,是个正整数。
基于土壤电阻率干扰信息生成第一解耦掩模,包括:若土壤电阻率干扰信息中的元素的值小于第一阈值,将该元素的值设定为0,若土壤电阻率干扰信息中的元素大于或等于第一阈值,将该元素的值设定为1,以更新元素的值后的土壤电阻率干扰信息作为第一解耦掩模;
通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据,包括:
将第一解耦掩模与每层检测网络进行向量叉乘操作,获得电阻解耦数据。
可选的,第二解耦层包括第二卷积神经网络和面积解耦层;将第二卷积神经网络中的卷积层的偏置系数设置成阳极保护面积的倒数;
第二卷积神经网络用于,基于多个电阻解耦数据提取出第二电位检测特征;
面积解耦层用于,基于第二电位检测特征获得保护面积干扰信息;基于保护面积干扰信息生成第二解耦掩模;通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据;多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同;
通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据,包括:
将第二解耦掩模与电阻解耦数据进行向量叉乘操作,得到面积解耦数据。
可选的,第三解耦层包括第三卷积神经网络和比值解耦层;将第三卷积神经网络中的卷积层的偏置系数设置成横竖电导比值,横竖电导比值等于阳极纵向电导率和横向电导率之间的比值;
第三卷积神经网络用于,基于多个面积解耦数据提取第三电位检测特征;
比值解耦层用于,基于第三电位检测特征获得横竖电导比值干扰信息;基于横竖电导比值干扰信息生成第三解耦掩模,通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位;多个面积解耦数据对应获得多个解耦电位;第三解耦掩模的维度与面积解耦数据的维度相同;每个解耦电位对应一个阳极。
通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位,包括:
将第三解耦掩模与面积解耦数据进行向量点乘操作,得到解耦电位。
第二方面,本发明实施例还提供了一种阴极保护一体化装置的分布式控制系统,所述系统包括多个阳极,每个阳极设置的位置不同,所述系统还包括:
获得模块,用于获得分布式阴极保护系统中的阳极的历史电位序列;多个阳极有多个历史电位序列;历史电位序列包括在多个检测时间点检测得到的多个电位数据;
解耦模块,用于将电位数据输入预先训练好的解耦网络中,解耦网络预测出每个阳极的解耦电位;
控制模块,用于基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位;
其中,所述解耦网络包括组合层、第一解耦层、第二解耦层和第三解耦层;第一解耦层基于电位数据提取出土壤电阻率干扰信息,并基于土壤电阻率干扰信息对电位数据进行解耦操作,得到电阻解耦数据;第二解耦层基于电阻解耦数据提取出保护面积干扰信息,基于保护面积干扰信息对电阻解耦数据进行解耦操作,得到面积解耦数据;第三解耦层基于面积解耦数据提取出横竖电导比值干扰信息,基于横竖电导比值干扰信息对电导解耦数据进行解耦操作,得到解耦电位。
可选的,所述解耦网络的训练方法包括:
获得训练数据,所述训练数据包括多条训练序列,每条训练序列包括一个阳极的多个检测电位,每个检测电位的检测时间不同;
获得检测网络,检测网络包括多层检测网数据,每层检测网数据包括多个检测电位,每层检测网的检测电位的检测时间相同且阳极不同,且检测电位基于阳极的位置信息进行排序形成检测网;
将多层检测网数据输入解耦网络的第一解耦层,第一解耦层提取出多层检测网数据的第一电位检测特征,基于第一电位检测特征获得土壤电阻率干扰信息;基于土壤电阻率干扰信息生成第一解耦掩模;通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据;每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据;第一解耦掩模的维度与检测网络的维度相同;
第二解耦层基于多个电阻解耦数据提取出第二电位检测特征,基于第二电位检测特征获得保护面积干扰信息;基于保护面积干扰信息生成第二解耦掩模;通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据;多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同;
第三解耦层基于多个面积解耦数据提取第三电位检测特征,基于第三电位检测特征获得横竖电导比值干扰信息;基于横竖电导比值干扰信息生成第三解耦掩模,通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位;多个面积解耦数据对应获得多个解耦电位;第三解耦掩模的维度与面积解耦数据的维度相同;每个解耦电位对应一个阳极;
针对每个阳极,以所述阳极的解耦电位替代所述阳极的训练序列中多个检测电位的均值,求取得到阳极的标准差;获得所述训练序列中多个检测电位的均值,获得所述训练序列对应的阳极的解耦电位与所述均值之间的差值;获得所述差值与所述解耦电位的比值;以所述比值与所述标准差的差值作为训练稳定性数据;每个阳极对应获得一个训练稳定性数据,多个阳极对应获得多个训练稳定性数据;
若多个训练稳定性数据的标准差收敛,确定所述解耦网络训练结束。
可选的,第一解耦层包括第一卷积神经网络和电阻解耦层;第一卷积神经网络用于提取出多层检测网数据的第一电位检测特征,第一电位检测特征用于表征训练数据的电阻干扰特性;电阻解耦层用于,基于第一电位检测特征获得土壤电阻率干扰信息;基于土壤电阻率干扰信息生成第一解耦掩模;通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据;每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据;第一解耦掩模的维度与检测网络的维度相同;其中,第一卷积神经网络包括一个CNN和一个LSTM,将CNN中的卷积层的偏置系数设置成阳极电阻与土壤电阻的比值;
其中,土壤电阻率干扰信息是一个维度与第一电位检测特征的维度相同的向量;基于第一电位检测特征获得土壤电阻率干扰信息,包括:获得第一电位检测特征中每相邻两个元素的差值,对于土壤电阻率干扰信息的第i个元素,在第一电位检测特征中:获得第i-1个元素与第i个元素之间的第一差值,获得第i+1个元素与第i个元素之间的第二差值,以第一差值的绝对值与第二差值的绝对值之和作为土壤电阻率干扰信息的第i个元素的取值;i为小于或者等于N的正整数,N为第一电位检测特征的维度,是个正整数。
基于土壤电阻率干扰信息生成第一解耦掩模,包括:若土壤电阻率干扰信息中的元素的值小于第一阈值,将该元素的值设定为0,若土壤电阻率干扰信息中的元素大于或等于第一阈值,将该元素的值设定为1,以更新元素的值后的土壤电阻率干扰信息作为第一解耦掩模;
通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据,包括:
将第一解耦掩模与每层检测网络进行向量叉乘操作,获得电阻解耦数据。
可选的,第二解耦层包括第二卷积神经网络和面积解耦层;将第二卷积神经网络中的卷积层的偏置系数设置成阳极保护面积的倒数;
第二卷积神经网络用于,基于多个电阻解耦数据提取出第二电位检测特征;
面积解耦层用于,基于第二电位检测特征获得保护面积干扰信息;基于保护面积干扰信息生成第二解耦掩模;通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据;多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同;
通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据,包括:
将第二解耦掩模与电阻解耦数据进行向量叉乘操作,得到面积解耦数据。
可选的,第三解耦层包括第三卷积神经网络和比值解耦层;将第三卷积神经网络中的卷积层的偏置系数设置成横竖电导比值,横竖电导比值等于阳极纵向电导率和横向电导率之间的比值;
第三卷积神经网络用于,基于多个面积解耦数据提取第三电位检测特征;
比值解耦层用于,基于第三电位检测特征获得横竖电导比值干扰信息;基于横竖电导比值干扰信息生成第三解耦掩模,通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位;多个面积解耦数据对应获得多个解耦电位;第三解耦掩模的维度与面积解耦数据的维度相同;每个解耦电位对应一个阳极。
通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位,包括:
将第三解耦掩模与面积解耦数据进行向量点乘操作,得到解耦电位。
相对现有技术,本发明具有以下有益效果:
本发明实施例提供了一种阴极保护一体化装置的分布式控制方法及系统,系统包括多个阳极,每个阳极设置的位置不同,所述方法包括:获得分布式阴极保护系统中的阳极的历史电位序列;多个阳极有多个历史电位序列;历史电位序列包括在多个检测时间点检测得到的多个电位数据;将电位数据输入预先训练好的解耦网络中,解耦网络预测出每个阳极的解耦电位;基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位;其中,所述解耦网络包括组合层、第一解耦层、第二解耦层和第三解耦层;第一解耦层基于电位数据提取出土壤电阻率干扰信息,并基于土壤电阻率干扰信息对电位数据进行解耦操作,得到电阻解耦数据;第二解耦层基于电阻解耦数据提取出保护面积干扰信息,基于保护面积干扰信息对电阻解耦数据进行解耦操作,得到面积解耦数据;第三解耦层基于面积解耦数据提取出横竖电导比值干扰信息,基于横竖电导比值干扰信息对电导解耦数据进行解耦操作,得到解耦电位。
通过采用以上方案,当某个阳极出现损坏时,通过阴极保护系统中所有阳极的历史电位序列,预测出在没有相互干扰情况下每个阳极独立的电位是多少(解耦电位),然后基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位,因为去除了阳极之间相互干扰的因素,基于解耦后的电位来计算和控制阳极的工作电位,可以提高阴极保护的有效性和准确性。
即当某个阳极出现损坏时,通过阴极保护系统中所有阳极的电位影响因子序列,预测出在没有相互干扰情况下每个阳极独立的电位是多少(平衡态解耦电位),然后基于阳极需要保护的面积和所述平衡态解耦电位,获得阳极工作电位,根据阳极工作电位控制一体化装置输出,因为去除了独立外加电流阴极保护之间同步调控耦合干扰的因素,基于解耦后的平衡态电位来计算和控制一体化装置的输出,可以提高阴极保护的有效性和准确性。
本发明实施例的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的一种阴极保护系统阳极电位相互干扰折线图。
图2是本发明实施例提供的一种阴极保护一体化装置的分布式控制系统示意图。
图3是本发明实施例提供的一种阴极保护一体化装置的分布式控制方法流程图。
图4是本发明实施例提供的一种阴极保护一体化装置的分布式控制方法解耦后的阴极保护系统阳极电位相互干扰折线图。
图5是本发明实施例提供的一种阴极保护一体化节点保护工艺示意图。
图6是本发明实施例提供的一种电子设备的方框结构示意图。
图中标记:总线500;接收器501;处理器502;发送器503;存储器504;总线接口505。
实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
在分布式的阴极保护系统中,例如需要保护50公里的管道,可以不用一个大功率系统去进行保护,而用五个小功率系统进行保护。每个小功率系统理论上保护十公里,但是,如果用小功率系统的话,它可能就会出现一个问题,就是因为多个系统之间,它们保护范围可能会有一部分交集,因为有这个保护范围的交集,系统(阳极)之间会互相干扰,互相耦合,如图1所示,图1中示出了阴极保护系统中有三个阳极的情况,三个阳极的电位相互耦合,即三个阳极的电位折线图相互干扰相互交叉。在图1中,横坐标表示时间,纵坐标表示电位。
因为独立外加电流阴极保护之间同步调控耦合干扰,系统的应急保护措施实施难度大,且准确性低。那么一种高效、准确性高且节能的阴极保护系统的应急控制方案为人们所需。
为此本发明提供了一种阴极保护一体化装置的设计思路,通过新能源微恒电位仪技术,将微恒电位仪与辅助阳极工程上集成安装,这样恒电位仪就可以完成阳极电位的测量,通过神经网络控制算法,转变恒阴极电位为恒阳极电位,从而推动外加电流工艺在分布式阴极保护设计中的应用实现。具体的,通过解决阳极电位之间的耦合问题,来解决精准控制阳极电位问题。
在阐述本申请提供的技术方案之前,先阐述一下分布式阴极保护系统应急保护的解决思路。
对于分布式的阴极保护系统的话,理论上,能够对整个区域的整体功率存在冗余,是一个分布式冗余,不是一个集中冗余。分布冗余的话,假设在三个系统(阳极)中的某个系统(阳极)出现损坏不能工作的情况,就可以把剩下的阳极(系统)的功率扩大一定量以后,就可以把中间的这个损坏的阳极的保护范围覆盖到,实现了对损坏的阳极的急救,实现了对阴极保护系统的应急保护。
基于这样的一个模式,在阴极保护系统存在多个阳极,且有一个或者多个阳极出现损坏的情况下,如何进行整体调控阳极的功率(电位),从而实现阴极保护系统能够实现特殊情况下应急保护,是本发明实施例要解决的技术问题。
为此,本发明实施例提供了一种阴极保护一体化装置的分布式控制方法及系统,用以解决上述技术问题,具体请参照下述实施例。
实施例1
本发明实施例提供了一种阴极保护一体化装置的分布式控制方法,应用于分布式阴极保护系统,分布式阴极保护系统包括多个阳极,每个阳极设置的位置不同,作为一种可选的实施方式,分布式阴极保护系统如图2所示。本发明实施例提供的一种阴极保护一体化装置的分布式控制方法,如图3所示,所述方法包括:
S101:获得分布式阴极保护系统中的阳极的历史电位序列。
其中,多个阳极有多个历史电位序列,历史电位序列包括在多个检测时间点检测得到的多个电位数据。电位数据可以通过电位测定仪检测得到。
S102:将电位数据输入预先训练好的解耦网络中,解耦网络预测出每个阳极的解耦电位。
其中,所述解耦网络包括组合层、第一解耦层、第二解耦层和第三解耦层;第一解耦层基于电位数据提取出土壤电阻率干扰信息,并基于土壤电阻率干扰信息对电位数据进行解耦操作,得到电阻解耦数据;第二解耦层基于电阻解耦数据提取出保护面积干扰信息,基于保护面积干扰信息对电阻解耦数据进行解耦操作,得到面积解耦数据;第三解耦层基于面积解耦数据提取出横竖电导比值干扰信息,基于横竖电导比值干扰信息对电导解耦数据进行解耦操作,得到解耦电位。
S103:基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位。
通过采用以上方案,当某个阳极出现损坏时,通过阴极保护系统中所有阳极的历史电位序列,预测出在没有相互干扰情况下每个阳极独立的电位是多少(解耦电位),然后基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位,因为去除了阳极之间相互干扰的因素,基于解耦后的电位来计算和控制阳极的工作电位,可以提高阴极保护的有效性和准确性。
另外,获得阳极在没有相互干扰情况下的电位(解耦电位),通过解耦网络来预测得到,具体的,解耦网络包括组合层、第一解耦层、第二解耦层和第三解耦层;第一解耦层基于电位数据提取出土壤电阻率干扰信息,并基于土壤电阻率干扰信息对电位数据进行解耦操作,得到电阻解耦数据;第二解耦层基于电阻解耦数据提取出保护面积干扰信息,基于保护面积干扰信息对电阻解耦数据进行解耦操作,得到面积解耦数据;第三解耦层基于面积解耦数据提取出横竖电导比值干扰信息,基于横竖电导比值干扰信息对电导解耦数据进行解耦操作,得到解耦电位。解耦网络从土壤电阻率、每个阳极正常情况下的保护面积以及阳极在纵向的电导率和在横向的电导率等因素去对阳极电位进行解耦,去除了土壤电阻率、每个阳极正常情况下的保护面积以及阳极在纵向的电导率和在横向的电导率等因素对阳极电位的影响,使得解耦获得的解耦电位可以准确表示阳极本身正常工作的电位。在此基础上,基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位,因为去除了阳极之间相互干扰的因素,基于解耦后的电位来计算和控制阳极的工作电位,可以提高阳极保护的有效性和准确性,进而可以提高阴极保护保护系统的对管道保护的有效性和准确性。
即,通过获得每个阳极正常工作情况下,互不干扰的电位,然后在某个阳极出现损坏不能工作时,可以获得阴极保护系统中所有阳极的历史电位序列,然后基于解耦网络预测出每个阳极在没有相互干扰情况下的解耦电位;基于阳极需要保护的面积和解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位,可以提高阳极保护的有效性和准确性,进而可以提高阴极保护保护系统的对管道保护的有效性和准确性。通过采用这种方法,阴极保护系统平时不需要保持电位冗余来应急,在某个阳极出现损坏不能工作时,可以快速通过上述方法实现其他阳极对损坏阳极保护的补救,高效、可靠、准确,在提高阴极保护系统的保护能力的同时,还节省能源。
可选的,本发明实施例中的解耦网络的训练方法包括:
获得训练数据,所述训练数据包括多条训练序列,每条训练序列包括一个阳极的多个检测电位,每个检测电位的检测时间不同。
获得检测网络,检测网络包括多层检测网数据,每层检测网数据包括多个检测电位,每层检测网的检测电位的检测时间相同且阳极不同,且检测电位基于阳极的位置信息进行排序形成检测网。若在某个检测时间,某个阳极的检测电位不存在,那么设置该阳极的检测电位为0,以保持数据的一致性,保证网络预测的准确性。
将多层检测网数据输入解耦网络的第一解耦层,第一解耦层提取出多层检测网数据的第一电位检测特征,基于第一电位检测特征获得土壤电阻率干扰信息。基于土壤电阻率干扰信息生成第一解耦掩模。通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据。每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据。第一解耦掩模的维度与检测网络的维度相同。
其中,第一解耦层包括第一卷积神经网络和电阻解耦层。第一卷积神经网络用于提取出多层检测网数据的第一电位检测特征。第一电位检测特征用于表征训练数据的电阻干扰特性;电阻解耦层用于,基于第一电位检测特征获得土壤电阻率干扰信息;基于土壤电阻率干扰信息生成第一解耦掩模;通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据。其中,每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据。第一解耦掩模的维度与检测网络的维度相同。第一卷积神经网络包括一个卷积神经网络(Convolutional Neural Networks,CNN)和一个长短时记忆神经网络(Long Short-term Memory Networks,LSTM),CNN的输入为多层检测网数据,LSTM的输入为CNN的输出。在本发明实施例中,为了实现CNN能准确提取出多层检测网数据的第一电位检测特征,将CNN中的卷积层的偏置系数设置成阳极电阻与土壤电阻的比值。
第一卷积神经网络提取出多层检测网数据的第一电位检测特征,可以是,将CNN中的卷积层的偏置系数设置成阳极电阻与土壤电阻的比值,然后以多层检测网数据作为CNN的输入,以CNN的输出作为第一电位检测特征。如果CNN涉及偏置向量,则偏置向量中的元素的取值等于阳极电阻与土壤电阻的比值,一个元素对应一个阳极。
在本发明实施例中,土壤电阻率干扰信息是一个维度与第一电位检测特征的维度相同的向量。
基于第一电位检测特征获得土壤电阻率干扰信息,包括:
获得第一电位检测特征中每相邻两个元素的差值。
对于土壤电阻率干扰信息的第i个元素,在第一电位检测特征中:
获得第i-1个元素与第i个元素之间的第一差值,获得第i+1个元素与第i个元素之间的第二差值,以第一差值的绝对值与第二差值的绝对值之和作为土壤电阻率干扰信息的第i个元素的取值;i为小于或者等于N的正整数,N为第一电位检测特征的维度,是个正整数。
进一步的,基于土壤电阻率干扰信息生成第一解耦掩模,包括:若土壤电阻率干扰信息中的元素的值小于第一阈值,将该元素的值设定为0,若土壤电阻率干扰信息中的元素大于或等于第一阈值,将该元素的值设定为1,以更新元素的值后的土壤电阻率干扰信息作为第一解耦掩模。在本发明实施例中,第一阈值的取值可以是0-1000之间的数,具体的可以是0.1,0.2,0.5,1,2,5,10,20,50,80,100,500等。
通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据,包括:
将第一解耦掩模与每层检测网络进行向量叉乘操作,获得电阻解耦数据。
通过采用以上方案,可以有效去除土壤电阻率对阳极之间的耦合(相互干扰),进而可以提高阳极工作独立性的准确性。
在本发明实施例中,第二解耦层基于多个电阻解耦数据提取出第二电位检测特征,基于第二电位检测特征获得保护面积干扰信息,基于保护面积干扰信息生成第二解耦掩模,通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据。其中,多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同。
具体的,第二解耦层包括第二卷积神经网络和面积解耦层。可选的,第二卷积神经网络可以是CNN网络结构或者生成对抗网络 (Generative Adversarial Network, GAN)。为了可以去除相邻两个阳极之间的保护面积有交错,对阳极独立工作时的电位的准确性的影响,将第二卷积神经网络中的卷积层的偏置系数设置成阳极保护面积的倒数。其中:
第二卷积神经网络用于,基于多个电阻解耦数据提取出第二电位检测特征。
在本发明实施例中,不在详细阐述第二卷积神经网络如何基于多个电阻解耦数据提取出第二电位检测特征,作为一种可选的实施例,可以直接将GAN中的卷层的偏置系数设置成阳极保护面积的倒数,然后以多个电阻解耦数据作为GAN的输入,GAN即可输出第二电位检测特征。如果GAN涉及偏置向量,则偏置向量中的元素的取值等于阳极保护面积的倒数,一个元素对应一个阳极的保护面积。
面积解耦层用于,基于第二电位检测特征获得保护面积干扰信息;基于保护面积干扰信息生成第二解耦掩模;通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据;多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同。
在本发明实施例中,保护面积干扰信息是一个维度与第二电位检测特征维度相同的向量。基于第二电位检测特征获得保护面积干扰信息,包括:获得第二电位检测特征中每相邻两个元素的差值,对于保护面积干扰信息的第j个元素,在第二电位检测特征中:获得第j-1个元素与第j个元素之间的第三差值,获得第j+1个元素与第j个元素之间的第四差值,以第三差值的绝对值与第四差值的绝对值之和作为保护面积干扰信息的第j个元素的取值;j为小于或者等于M的正整数,M为第二电位检测特征的维度,是个正整数。
基于保护面积干扰信息生成第二解耦掩模,包括:若保护面积干扰信息中的元素的值小于第二阈值,将该元素的值设定为0,若保护面积干扰信息中的元素大于或等于第二阈值,将该元素的值设定为1,以更新元素的值后的保护面积干扰信息作为第一解耦掩模。在本发明实施例中,第二阈值的取值可以是0-100之间的数,具体的可以是0.1,0.2,0.5,1,2,5,10,20,50,80等。
通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据,具体包括:
将第二解耦掩模与电阻解耦数据进行向量叉乘操作,得到面积解耦数据。多个电阻解耦数据对应获得多个面积解耦数据。第二解耦掩模的维度与电阻解耦数据的维度相同。
在本发明实施例中,第三解耦层包括第三卷积神经网络和比值解耦层,第三卷积神经网络基于多个面积解耦数据提取第三电位检测特征。第三卷积神经网络可以是卷积神经网络(Convolutional Neural Networks,CNN)或者GAN,将第三卷积神经网络的卷积层的偏置向量设置为偏置系数设置成横竖电导比值。
比值解耦层基于第三电位检测特征获得横竖电导比值干扰信息,基于横竖电导比值干扰信息生成第三解耦掩模,通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位。多个面积解耦数据对应获得多个解耦电位,第三解耦掩模的维度与面积解耦数据的维度相同。每个解耦电位对应一个阳极。
其中,基于第三电位检测特征获得横竖电导比值干扰信息,具体包括:
获得第三电位检测特征中每相邻两个元素的差值。
对于横竖电导比值干扰信息的第i个元素,在第三电位检测特征中:
获得第k-1个元素与第k个元素之间的第五差值,获得第k+1个元素与第k个元素之间的第六差值,以第五差值的绝对值与第六差值的绝对值之和作为横竖电导比值干扰信息的第k个元素的取值;k为小于或者等于W的正整数,W为第三电位检测特征的维度,是个正整数。
通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位,包括:将第三解耦掩模与面积解耦数据进行向量点乘操作,得到解耦电位。
解耦电位包含在第三解耦掩模与面积解耦数据进行向量点乘操作得到的向量的元素中。
通过采用以上方案,能够对阳极之间的电位(功率)进行解耦,使得阳极的功率(电位)的独立性高、准确性高,基于解耦了的阳极电位(功率),对阴极保护系统的所有阳极进行整体的电位(功率)调控,可以提高阴极保护系统的保护能力和性能,提高阴极保护系统的应急保护能力。
如图4所示,通过采用以上方案,可以获得阳极的解耦电位,解耦电位互不干扰。
在本发明实施例中,基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位。
在本发明实施例中,电位可以转换成电流、电压、或者输出功率。
解耦电位是阳极独立工作的电位,保护面积与电位之间存在线性关系,其中,/>表示阳极工作电位(电流),/>表示解耦电位,/>表示阳极独立工作保护的面积,/>表示实际需要保护的面积,也就是在出现某个阳极损坏情况下,正常工作的阳极需要保护的范围,一般情况下/>。/>表示阳极保护衰减系数,与保护的管道的电阻、安装阳极的土壤电阻、阳极电阻、电缆电阻等有关系,在本发明实施例中,。
通过采用以上方案,当某个阳极出现损坏时,通过阴极保护系统中所有阳极的历史电位序列,预测出在没有相互干扰情况下每个阳极独立的电位是多少(解耦电位),然后基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位,因为去除了阳极之间相互干扰的因素,基于解耦后的电位来计算和控制阳极的工作电位,可以提高阴极保护的有效性和准确性。
实施例2
基于上述的方法,本发明实施例提供了一种阴极保护一体化装置的分布式控制系统(分布式阴极保护系统),可用于执行上述的阴极保护一体化装置的分布式控制方法。阴极保护一体化装置的分布式控制系统包括多个阳极,每个阳极设置的位置不同。所述系统还包括:
获得模块,用于获得分布式阴极保护系统中的阳极的历史电位序列。多个阳极有多个历史电位序列。历史电位序列包括在多个检测时间点检测得到的多个电位数据。
解耦模块,用于将电位数据输入预先训练好的解耦网络中,解耦网络预测出每个阳极的解耦电位。
控制模块,用于基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位。
其中,所述解耦网络包括组合层、第一解耦层、第二解耦层和第三解耦层。第一解耦层基于电位数据提取出土壤电阻率干扰信息,并基于土壤电阻率干扰信息对电位数据进行解耦操作,得到电阻解耦数据。第二解耦层基于电阻解耦数据提取出保护面积干扰信息,基于保护面积干扰信息对电阻解耦数据进行解耦操作,得到面积解耦数据。第三解耦层基于面积解耦数据提取出横竖电导比值干扰信息,基于横竖电导比值干扰信息对电导解耦数据进行解耦操作,得到解耦电位。
关于上述实施例中的系统,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
作为一种可选的实施方式,本发明实施例还提供了一种阴极保护一体化装置的分布式控制系统,如图5所示,所述系统包括阴极保护一体化装置、控制主机和用户主机,阴极保护一体化装置、控制主机和用户主机之间可以通讯连接。如图5中,控制主机(服务器)根据信息中心要求架设在相应的机房。控制主机中集成有智能阴保平台。用户主机可以有一个或者多个。阴极保护一体化装置包括多个阴极保护一体式节点,阴极保护一体式节点内设通讯模块、信息采集模块和两组或者更多租辅助阳极,辅助阳极位置不同,可以根据辅助阳极功率输出的变化调节辅助阳极的位置,进而改变现场电场矢量输出分布。信息采集模块用于采集参比点(阳极)的电位信息,通讯模块用于将信息采集模块采集到的电位信息发送至控制主机。通过控制主机执行上述S101~S103的步奏,以实现对阴极保护一体化装置的分布式控制。在图5中所示的阴极保护一体化装置的分布式控制系统,在一个节点,可以埋设两组或者更多辅助阳极,辅助阳极位置有所差异,根据辅助阳极功率输出的变化调节,可以改变现场电场矢量输出分布。
本发明实施例还提供了一种电子设备,如图6所示,包括存储器504、处理器502及存储在存储器504上并可在处理器502上运行的计算机程序,所述处理器502执行所述程序时实现前文所述的阴极保护一体化装置的分布式控制方法的任一方法的步骤。
其中,在图6中,总线架构(用总线500来代表),总线500可以包括任意数量的互联的总线和桥,总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进进一步描述。总线接口505在总线500和接收器501和发送器503之间提供接口。接收器501和发送器503可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器502负责管理总线500和通常的处理,而存储器504可以被用于存储处理器502在执行操作时所使用的数据。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种阴极保护一体化装置的分布式控制方法,其特征在于,应用于分布式阴极保护系统,分布式阴极保护系统包括多个阳极,每个阳极设置的位置不同,所述方法包括:
获得分布式阴极保护系统中的阳极的历史电位序列,多个阳极有多个历史电位序列,历史电位序列包括在多个检测时间点检测得到的多个电位数据;
将电位数据输入预先训练好的解耦网络中,解耦网络预测出每个阳极的解耦电位;
基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位;
其中,所述解耦网络包括组合层、第一解耦层、第二解耦层和第三解耦层,第一解耦层基于电位数据提取出土壤电阻率干扰信息,并基于土壤电阻率干扰信息对电位数据进行解耦操作,得到电阻解耦数据;第二解耦层基于电阻解耦数据提取出保护面积干扰信息,基于保护面积干扰信息对电阻解耦数据进行解耦操作,得到面积解耦数据;第三解耦层基于面积解耦数据提取出横竖电导比值干扰信息,基于横竖电导比值干扰信息对电导解耦数据进行解耦操作,得到解耦电位。
2.根据权利要求1所述的阴极保护一体化装置的分布式控制方法,其特征在于,所述解耦网络的训练方法包括:
获得训练数据,所述训练数据包括多条训练序列,每条训练序列包括一个阳极的多个检测电位,每个检测电位的检测时间不同;
获得检测网络,检测网络包括多层检测网数据,每层检测网数据包括多个检测电位,每层检测网的检测电位的检测时间相同且阳极不同,且检测电位基于阳极的位置信息进行排序形成检测网;
将多层检测网数据输入解耦网络的第一解耦层,第一解耦层提取出多层检测网数据的第一电位检测特征,基于第一电位检测特征获得土壤电阻率干扰信息;基于土壤电阻率干扰信息生成第一解耦掩模;通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据;每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据;第一解耦掩模的维度与检测网络的维度相同;
第二解耦层基于多个电阻解耦数据提取出第二电位检测特征,基于第二电位检测特征获得保护面积干扰信息;基于保护面积干扰信息生成第二解耦掩模;通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据;多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同;
第三解耦层基于多个面积解耦数据提取第三电位检测特征,基于第三电位检测特征获得横竖电导比值干扰信息;基于横竖电导比值干扰信息生成第三解耦掩模,通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位;多个面积解耦数据对应获得多个解耦电位;第三解耦掩模的维度与面积解耦数据的维度相同;每个解耦电位对应一个阳极;
针对每个阳极,以所述阳极的解耦电位替代所述阳极的训练序列中多个检测电位的均值,求取得到阳极的标准差;获得所述训练序列中多个检测电位的均值,获得所述训练序列对应的阳极的解耦电位与所述均值之间的差值;获得所述差值与所述解耦电位的比值;以所述比值与所述标准差的差值作为训练稳定性数据;每个阳极对应获得一个训练稳定性数据,多个阳极对应获得多个训练稳定性数据;
若多个训练稳定性数据的标准差收敛,确定所述解耦网络训练结束。
3.根据权利要求2所述的阴极保护一体化装置的分布式控制方法,其特征在于,第一解耦层包括第一卷积神经网络和电阻解耦层;第一卷积神经网络用于提取出多层检测网数据的第一电位检测特征,第一电位检测特征用于表征训练数据的电阻干扰特性;电阻解耦层用于,基于第一电位检测特征获得土壤电阻率干扰信息;基于土壤电阻率干扰信息生成第一解耦掩模;通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据;每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据;第一解耦掩模的维度与检测网络的维度相同;其中,第一卷积神经网络包括一个CNN和一个LSTM,将CNN中的卷积层的偏置系数设置成阳极电阻与土壤电阻的比值;
其中,土壤电阻率干扰信息是一个维度与第一电位检测特征的维度相同的向量;基于第一电位检测特征获得土壤电阻率干扰信息,包括:获得第一电位检测特征中每相邻两个元素的差值,对于土壤电阻率干扰信息的第i个元素,在第一电位检测特征中:获得第i-1个元素与第i个元素之间的第一差值,获得第i+1个元素与第i个元素之间的第二差值,以第一差值的绝对值与第二差值的绝对值之和作为土壤电阻率干扰信息的第i个元素的取值;i为小于或者等于N的正整数,N为第一电位检测特征的维度,是个正整数;
基于土壤电阻率干扰信息生成第一解耦掩模,包括:若土壤电阻率干扰信息中的元素的值小于第一阈值,将该元素的值设定为0,若土壤电阻率干扰信息中的元素大于或等于第一阈值,将该元素的值设定为1,以更新元素的值后的土壤电阻率干扰信息作为第一解耦掩模;
通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据,包括:
将第一解耦掩模与每层检测网络进行向量叉乘操作,获得电阻解耦数据。
4.根据权利要求2所述的阴极保护一体化装置的分布式控制方法,其特征在于,第二解耦层包括第二卷积神经网络和面积解耦层;将第二卷积神经网络中的卷积层的偏置系数设置成阳极保护面积的倒数;
第二卷积神经网络用于,基于多个电阻解耦数据提取出第二电位检测特征;
面积解耦层用于,基于第二电位检测特征获得保护面积干扰信息;基于保护面积干扰信息生成第二解耦掩模;通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据;多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同;
通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据,包括:
将第二解耦掩模与电阻解耦数据进行向量叉乘操作,得到面积解耦数据。
5.根据权利要求2所述的阴极保护一体化装置的分布式控制方法,其特征在于,第三解耦层包括第三卷积神经网络和比值解耦层;将第三卷积神经网络中的卷积层的偏置系数设置成横竖电导比值,横竖电导比值等于阳极纵向电导率和横向电导率之间的比值;
第三卷积神经网络用于,基于多个面积解耦数据提取第三电位检测特征;
比值解耦层用于,基于第三电位检测特征获得横竖电导比值干扰信息;基于横竖电导比值干扰信息生成第三解耦掩模,通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位;多个面积解耦数据对应获得多个解耦电位;第三解耦掩模的维度与面积解耦数据的维度相同;每个解耦电位对应一个阳极;
通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位,包括:
将第三解耦掩模与面积解耦数据进行向量点乘操作,得到解耦电位。
6.一种阴极保护一体化装置的分布式控制系统,其特征在于,所述系统包括多个阳极,每个阳极设置的位置不同,所述系统还包括:
获得模块,用于获得分布式阴极保护系统中的阳极的历史电位序列;多个阳极有多个历史电位序列;历史电位序列包括在多个检测时间点检测得到的多个电位数据;
解耦模块,用于将电位数据输入预先训练好的解耦网络中,解耦网络预测出每个阳极的解耦电位;
控制模块,用于基于阳极需要保护的面积和所述解耦电位,获得阳极工作电位,根据阳极工作电位控制阴极保护一体化装置阳极工作的输出电位;
其中,所述解耦网络包括组合层、第一解耦层、第二解耦层和第三解耦层;第一解耦层基于电位数据提取出土壤电阻率干扰信息,并基于土壤电阻率干扰信息对电位数据进行解耦操作,得到电阻解耦数据;第二解耦层基于电阻解耦数据提取出保护面积干扰信息,基于保护面积干扰信息对电阻解耦数据进行解耦操作,得到面积解耦数据;第三解耦层基于面积解耦数据提取出横竖电导比值干扰信息,基于横竖电导比值干扰信息对电导解耦数据进行解耦操作,得到解耦电位。
7.根据权利要求6所述的阴极保护一体化装置的分布式控制系统,其特征在于,所述解耦网络的训练方法包括:
获得训练数据,所述训练数据包括多条训练序列,每条训练序列包括一个阳极的多个检测电位,每个检测电位的检测时间不同;
获得检测网络,检测网络包括多层检测网数据,每层检测网数据包括多个检测电位,每层检测网的检测电位的检测时间相同且阳极不同,且检测电位基于阳极的位置信息进行排序形成检测网;
将多层检测网数据输入解耦网络的第一解耦层,第一解耦层提取出多层检测网数据的第一电位检测特征,基于第一电位检测特征获得土壤电阻率干扰信息;基于土壤电阻率干扰信息生成第一解耦掩模;通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据;每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据;第一解耦掩模的维度与检测网络的维度相同;
第二解耦层基于多个电阻解耦数据提取出第二电位检测特征,基于第二电位检测特征获得保护面积干扰信息;基于保护面积干扰信息生成第二解耦掩模;通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据;多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同;
第三解耦层基于多个面积解耦数据提取第三电位检测特征,基于第三电位检测特征获得横竖电导比值干扰信息;基于横竖电导比值干扰信息生成第三解耦掩模,通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位;多个面积解耦数据对应获得多个解耦电位;第三解耦掩模的维度与面积解耦数据的维度相同;每个解耦电位对应一个阳极;
针对每个阳极,以所述阳极的解耦电位替代所述阳极的训练序列中多个检测电位的均值,求取得到阳极的标准差;获得所述训练序列中多个检测电位的均值,获得所述训练序列对应的阳极的解耦电位与所述均值之间的差值;获得所述差值与所述解耦电位的比值;以所述比值与所述标准差的差值作为训练稳定性数据;每个阳极对应获得一个训练稳定性数据,多个阳极对应获得多个训练稳定性数据;
若多个训练稳定性数据的标准差收敛,确定所述解耦网络训练结束。
8.根据权利要求7所述的阴极保护一体化装置的分布式控制系统,其特征在于,第一解耦层包括第一卷积神经网络和电阻解耦层;第一卷积神经网络用于提取出多层检测网数据的第一电位检测特征,第一电位检测特征用于表征训练数据的电阻干扰特性;电阻解耦层用于,基于第一电位检测特征获得土壤电阻率干扰信息;基于土壤电阻率干扰信息生成第一解耦掩模;通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据;每层检测网络对应一个电阻解耦数据,多层检测网数据对应多个电阻解耦数据;第一解耦掩模的维度与检测网络的维度相同;其中,第一卷积神经网络包括一个CNN和一个LSTM,将CNN中的卷积层的偏置系数设置成阳极电阻与土壤电阻的比值;
其中,土壤电阻率干扰信息是一个维度与第一电位检测特征的维度相同的向量;基于第一电位检测特征获得土壤电阻率干扰信息,包括:获得第一电位检测特征中每相邻两个元素的差值,对于土壤电阻率干扰信息的第i个元素,在第一电位检测特征中:获得第i-1个元素与第i个元素之间的第一差值,获得第i+1个元素与第i个元素之间的第二差值,以第一差值的绝对值与第二差值的绝对值之和作为土壤电阻率干扰信息的第i个元素的取值;i为小于或者等于N的正整数,N为第一电位检测特征的维度,是个正整数;
基于土壤电阻率干扰信息生成第一解耦掩模,包括:若土壤电阻率干扰信息中的元素的值小于第一阈值,将该元素的值设定为0,若土壤电阻率干扰信息中的元素大于或等于第一阈值,将该元素的值设定为1,以更新元素的值后的土壤电阻率干扰信息作为第一解耦掩模;
通过第一解耦掩模对每层检测网络中的检测电位进行解耦操作,获得电阻解耦数据,包括:
将第一解耦掩模与每层检测网络进行向量叉乘操作,获得电阻解耦数据。
9.根据权利要求7所述的阴极保护一体化装置的分布式控制系统,其特征在于,第二解耦层包括第二卷积神经网络和面积解耦层;将第二卷积神经网络中的卷积层的偏置系数设置成阳极保护面积的倒数;
第二卷积神经网络用于,基于多个电阻解耦数据提取出第二电位检测特征;
面积解耦层用于,基于第二电位检测特征获得保护面积干扰信息;基于保护面积干扰信息生成第二解耦掩模;通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据;多个电阻解耦数据对应获得多个面积解耦数据;第二解耦掩模的维度与电阻解耦数据的维度相同;
通过第二解耦掩模对电阻解耦数据进行解耦操作,获得面积解耦数据,包括:
将第二解耦掩模与电阻解耦数据进行向量叉乘操作,得到面积解耦数据。
10.根据权利要求7所述的阴极保护一体化装置的分布式控制系统,其特征在于,第三解耦层包括第三卷积神经网络和比值解耦层;将第三卷积神经网络中的卷积层的偏置系数设置成横竖电导比值,横竖电导比值等于阳极纵向电导率和横向电导率之间的比值;
第三卷积神经网络用于,基于多个面积解耦数据提取第三电位检测特征;
比值解耦层用于,基于第三电位检测特征获得横竖电导比值干扰信息;基于横竖电导比值干扰信息生成第三解耦掩模,通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位;多个面积解耦数据对应获得多个解耦电位;第三解耦掩模的维度与面积解耦数据的维度相同;每个解耦电位对应一个阳极;
通过第三解耦掩模对面积解耦数据进行解耦操作,获得解耦电位,包括:
将第三解耦掩模与面积解耦数据进行向量点乘操作,得到解耦电位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168933.0A CN115852377B (zh) | 2023-02-27 | 2023-02-27 | 一种阴极保护一体化装置的分布式控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168933.0A CN115852377B (zh) | 2023-02-27 | 2023-02-27 | 一种阴极保护一体化装置的分布式控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115852377A true CN115852377A (zh) | 2023-03-28 |
CN115852377B CN115852377B (zh) | 2023-05-30 |
Family
ID=85659092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310168933.0A Active CN115852377B (zh) | 2023-02-27 | 2023-02-27 | 一种阴极保护一体化装置的分布式控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115852377B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376208A (zh) * | 2018-04-17 | 2018-08-07 | 西安科技大学 | 一种接地网阴极保护的辅助阳极系统优化方法 |
CN110144592A (zh) * | 2019-06-19 | 2019-08-20 | 西安石油大学 | 一种长输管道阴极保护分布式电位监控系统 |
CN111690938A (zh) * | 2020-06-05 | 2020-09-22 | 大庆市中研技术开发有限公司 | 一种阴极保护智能化控制方法及系统 |
CN114381737A (zh) * | 2021-12-15 | 2022-04-22 | 常州大学 | 一种多套恒电位外加电流阴极保护系统输出调试与优化方法 |
CN115216776A (zh) * | 2022-06-28 | 2022-10-21 | 浙江浙能天然气运行有限公司 | 一种基于时序预测的天然气管网恒电位仪输出优化方法 |
-
2023
- 2023-02-27 CN CN202310168933.0A patent/CN115852377B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376208A (zh) * | 2018-04-17 | 2018-08-07 | 西安科技大学 | 一种接地网阴极保护的辅助阳极系统优化方法 |
CN110144592A (zh) * | 2019-06-19 | 2019-08-20 | 西安石油大学 | 一种长输管道阴极保护分布式电位监控系统 |
CN111690938A (zh) * | 2020-06-05 | 2020-09-22 | 大庆市中研技术开发有限公司 | 一种阴极保护智能化控制方法及系统 |
CN114381737A (zh) * | 2021-12-15 | 2022-04-22 | 常州大学 | 一种多套恒电位外加电流阴极保护系统输出调试与优化方法 |
CN115216776A (zh) * | 2022-06-28 | 2022-10-21 | 浙江浙能天然气运行有限公司 | 一种基于时序预测的天然气管网恒电位仪输出优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115852377B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mohammed et al. | Available transfer capability calculation methods: A comprehensive review | |
Jarventausta et al. | Using fuzzy sets to model the uncertainty in the fault location process of distribution networks | |
Wang et al. | Decomposition‐based multiinnovation gradient identification algorithms for a special bilinear system based on its input‐output representation | |
EP2927700B1 (en) | Method for monitoring system variables of a distribution or transmission grid | |
EP3671374A1 (en) | Method and system for determining system settings for an industrial system | |
JP5517081B2 (ja) | 太陽光発電設備発電量予測システム,気象予測システム及び太陽光発電設備発電量予測方法 | |
CN111690938B (zh) | 一种阴极保护智能化控制方法及系统 | |
JP3929235B2 (ja) | 配電系統における状態推定方法 | |
CN115216776B (zh) | 一种基于时序预测的天然气管网恒电位仪输出优化方法 | |
Singh et al. | Constrained LAV state estimation using penalty functions | |
Kulkarni et al. | Hybrid DA‐PSO approach for optimal location and parameter settings for TCSC controller in power system | |
CN108921448B (zh) | 电能交易方法、装置、设备及存储介质 | |
CN115852377A (zh) | 一种阴极保护一体化装置的分布式控制方法及系统 | |
JP6964838B2 (ja) | 雷事故リスク判定システム、雷事故リスク判定方法およびプログラム | |
Khandelwal et al. | Security constrained transmission network expansion planning using grey wolf optimization algorithm | |
El‐Dakkak et al. | Combinatorial method for bandwidth selection in wind speed kernel density estimation | |
CN113809747B (zh) | 一种配电网拓扑识别方法、电子设备及介质 | |
Androvitsaneas et al. | Estimation of ground enhancing compound performance using artificial neural network | |
Pahwa | Planning and analysis tools to evaluate distribution automation implementation and benefits | |
JP2004157118A (ja) | プラズマ対流予測装置、プラズマ対流予測方法 | |
NL2024943B1 (en) | A Distributed Cooperative Control Method for Optimizing a DC Power Grid | |
JP2018152935A (ja) | 電力系統状態推定装置 | |
Bhowmik et al. | Load flow analysis: an overview | |
Zhang et al. | Optimization of ICCP Anode Configuration Based on Multi Objective Genetic Algorithm | |
Jiang et al. | Corrigendum to" A generalized predictive model for TiO2-Catalyzed photo-degradation rate constants of water contaminants through artificial neural network"[Environ. Res., 187,(2020), 109697] |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |